Deskripsi
WeVisOne-VL adalah model visi-bahasa yang dikembangkan oleh WeChat Vision, bagian dari Tencent Inc. Model ini dirancang untuk menyatukan tugas persepsi tingkat objek dan piksel. Dibangun di atas kerangka kerja Qwen3-VL, WeVisOne-VL mendukung berbagai tugas visual termasuk deteksi objek dengan kosakata terbuka, lokalisasi referensi, penghitungan objek, penunjukan objek, dan pengenalan karakter optik (OCR). Selain itu, model ini menangani tugas tingkat piksel seperti segmentasi referensi dan pemadatan alpha yang dapat diprompt. Model ini menggunakan prediksi token berikutnya yang terstruktur dan memiliki dekoder piksel dengan 9,6 juta parameter.
Baca Selengkapnya
Arsitektur WeVisOne-VL mencakup token koordinat khusus untuk merepresentasikan kotak pembatas dan titik yang dinormalisasi. Model ini menggunakan token instance khusus untuk tugas padat dan mengintegrasikan dekoder masker sebagai komponen inti. Dekoder ini menggabungkan Visual Feature Adapter, Box-Guided Query Decoder, dan Instance-Conditioned Dense Prediction Head untuk memperbaiki prediksi dan menghasilkan matte alpha resolusi penuh.
WeVisOne-VL ditujukan untuk tujuan penelitian dalam penguatan visual, lokalisasi referensi, penunjukan, penghitungan, lokalisasi OCR, segmentasi referensi, dan pemadatan gambar. Model ini tidak dirancang untuk pengambilan keputusan otonom yang berdampak tinggi atau identifikasi individu. Model ini efisien dalam menghasilkan keluaran terstruktur tetapi tidak mendukung penalaran rantai-pikir eksplisit dan saat ini terbatas pada persepsi gambar satu putaran.
Model ini dirilis di bawah Lisensi Apache 2.0, dengan komponen pihak ketiga mempertahankan lisensi aslinya. Model ini telah diunduh lebih dari 1.000 kali dalam sebulan terakhir, menunjukkan popularitasnya yang semakin meningkat di komunitas penelitian.
- KategoriModel AI & LLM
- Model HargaGratis
- PenerapanCloud
- PlatformWeb
Sorotan WeVisOne-VL
Model visi-bahasa terpadu
Persepsi tingkat objek
Persepsi tingkat piksel
Dekoder piksel dengan 9,6 juta parameter
Prediksi token berikutnya yang terstruktur
Token koordinat khusus
Token instance khusus untuk tugas padat
Lisensi Apache 2.0
Memulai dengan WeVisOne-VL
Akses halaman model: Kunjungi halaman Hugging Face untuk WeVisOne-VL
Autentikasi: Pastikan Anda memiliki izin yang diperlukan untuk mengakses model
Konfigurasi: Atur parameter model sesuai kebutuhan penelitian Anda
Kirim prompt: Masukkan tugas visual Anda untuk diproses
Fine-tune: Sesuaikan model untuk tugas tertentu jika diperlukan
Kasus Penggunaan WeVisOne-VL
- Deteksi Objek
- Lokalisasi Referensi
- Penghitungan Objek
- Lokalisasi OCR
- Pemadatan Gambar
